fos-blog/study
01 / 홈02 / 카테고리03 / 시리즈
01 / 홈02 / 카테고리03 / 시리즈

카테고리

  • AI 페이지로 이동
    • RAG 페이지로 이동
    • agent 페이지로 이동
    • langgraph 페이지로 이동
    • 사람용 CLI와 AI 에이전트용 CLI는 설계가 다르다
    • agents.md
    • BMAD Method — AI 에이전트로 애자일 개발하는 방법론
    • Claude Code 메모리: CLAUDE.md와 .claude/rules를 규칙으로 쓰는 법
    • Claude Code의 Skill 시스템 - 개발자를 위한 AI 자동화의 새로운 차원
    • Claude Code를 5주 더 쓴 결과 — 스킬·CLAUDE.md를 키워가는 방식
    • Claude Code를 11일 동안 쓴 결과 — 데이터로 본 나의 사용 패턴
    • Claude Code 멀티 에이전트 — Teams
    • AI 에이전트와 디자인의 새 컨벤션 — DESIGN.md, Google Stitch, Claude Design
    • Docling — IBM Research 의 문서 파싱 toolkit 상세 정리
    • 하네스 엔지니어링 실전 — 4인 에이전트 팀으로 코딩 파이프라인 구축하기
    • 하네스 엔지니어링 — 오래 실행되는 AI 에이전트를 위한 설계
    • 멀티모달 LLM (Multimodal Large Language Model)
    • AI 에이전트와 함께 MVP 만들기 — dooray-cli 사례
    • OpenClaw는 context와 memory를 어떻게 관리하나 — 나만의 에이전트를 구성하는 법
    • OpenClaw vs Hermes Agent — 갈아탈까 고민하며 정리한 비교
    • 스킬 문서를 신경망처럼 학습시킨다 — Microsoft SkillOpt 분석
  • ai 페이지로 이동
    • agent 페이지로 이동
    • [초안] AI 제품 백엔드 안정성 — 지연·비용·권한·관측·도구 실패·폴백/재시도/사람 에스컬레이션
    • [초안] LLM 평가 프레임워크: 골든셋, 회귀 테스트, LLM-as-a-judge, 사람 피드백 루프
  • algorithm 페이지로 이동
    • live-coding 페이지로 이동
    • 분산 계산을 위한 알고리즘
  • apartment 페이지로 이동
    • 구리 럭키아파트 24평 인테리어 레퍼런스 모음
  • architecture 페이지로 이동
    • [초안] 시니어 백엔드를 위한 API 설계 실전 스터디 팩 — REST · 멱등성 · 페이지네이션 · 버전 전략
    • [초안] API Versioning과 Backward Compatibility: 시니어 백엔드 관점 정리
    • 캐시 설계 전략 총정리
    • [초안] 커머스 Spring 서비스에 Clean/Hexagonal Architecture를 실용적으로 적용하기
    • [초안] 커머스 도메인 모델링: 주문·재고·노출의 세 축을 분리해서 설계하기
    • 커머스 주문 상태와 데이터 정합성 기본기
    • [초안] 쿠폰/프로모션 동시성과 정합성 기본기 — 선착순·중복 사용 방지·발급/사용/복구
    • [초안] DDD와 도메인 모델링: 시니어 백엔드 관점의 전술/전략 패턴 실전 가이드
    • [초안] Decorator & Chain of Responsibility — 행동을 체인으로 조립하는 두 가지 방식
    • 디자인 패턴
    • [초안] 분산 아키텍처 완전 정복: Java 백엔드 시니어 인터뷰 대비 실전 가이드
    • [초안] 분산 트랜잭션과 Outbox 패턴 — 왜 2PC를 피하고 어떻게 대신할 것인가
    • 분산 트랜잭션
    • [초안] e-Commerce 주문·결제 도메인 모델링: 상태머신, 멱등성, Outbox/Saga 실전 정리
    • [초안] Event Sourcing과 CQRS — 상태가 아니라 변화를 저장한다는 발상
    • [초안] F&B 쿠폰·프로모션·멤버십·포인트 설계
    • [초안] F&B · e-Commerce 디지털 채널 도메인 한 장 정리
    • [초안] F&B 주문/매장/픽업 상태머신 설계
    • [초안] F&B 이커머스 결제·환불·정산 운영 가이드
    • [초안] Hexagonal / Clean Architecture를 Spring 백엔드에 적용하기
    • [초안] 대규모 커머스 트래픽 처리 패턴 — 대규모 회원과 메가 프로모션을 버티는 설계
    • [초안] 레거시 JSP/jQuery 화면과 신규 API가 공존하는 백엔드 운영 전략
    • [초안] MSA 서비스 간 통신: Redis [Cache-Aside](../database/redis/cache-aside.md) × Kafka 이벤트 하이브리드 설계
    • [초안] Observability 입문: 시니어 백엔드가 장애를 탐지하고 대응하는 방식
    • [초안] Outbox / Inbox Pattern 심화 — 분산 메시징의 정합성 문제를 DB 트랜잭션으로 풀어내기
    • [초안] 결제 도메인 멱등성과 트랜잭션 재시도 기본기
    • [초안] 시니어 백엔드를 위한 Resilience 패턴 실전 가이드 — Timeout, Retry, Circuit Breaker, Bulkhead, Backpressure
    • [초안] REST API 버저닝과 모바일 앱 하위 호환성 — 디지털 채널 백엔드 관점
    • [초안] Spring Batch vs Event-Driven — 같은 비동기처럼 보이지만 전혀 다른 두 패러다임
    • [초안] Strategy Pattern — 분기문을 없애는 설계, 시니어 백엔드 인터뷰 핵심 패턴
    • [초안] 시니어 백엔드를 위한 시스템 설계 입문 스터디 팩
    • [초안] 템플릿 메서드 패턴 - 백엔드 처리 골격을 강제하는 가장 오래되고 가장 위험한 패턴
    • [초안] 대규모 트래픽 중 무중단 마이그레이션 — Feature Flag + Shadow Mode 실전
  • database 페이지로 이동
    • milvus 페이지로 이동
    • mysql 페이지로 이동
    • opensearch 페이지로 이동
    • qdrant 페이지로 이동
    • redis 페이지로 이동
    • vespa 페이지로 이동
    • 김영한의-실전-데이터베이스-설계 페이지로 이동
    • [초안] DB Connection Pool Saturation과 Thread Pool 격리
    • 커넥션 풀 크기는 얼마나 조정해야 할까?
    • 인덱스 - DB 성능 최적화의 핵심
    • [초안] JPA N+1과 커머스 조회 모델: 주문/메뉴/쿠폰 도메인에서 살아남기
    • [초안] MyBatis 기본기 — XML Mapper, resultMap, 동적 SQL, 운영 패턴 정리
    • [초안] MyBatis와 JPA/Hibernate 트레이드오프 — 레거시 백엔드를 다루는 시니어 관점
    • 벡터 DB 5종, 아키텍처는 어떻게 다른가
    • 벡터 DB 어떻게 고를까 — OpenSearch · Milvus · Qdrant · Vespa · pgvector 비교
    • 벡터 DB를 실제로 도입한 사례 — 빅테크 프로덕션
    • 역정규화 (Denormalization)
    • 데이터 베이스 정규화
  • devops 페이지로 이동
    • docker 페이지로 이동
    • k8s 페이지로 이동
    • k8s-in-action 페이지로 이동
    • observability 페이지로 이동
    • [초안] 커머스/F&B 채널 장애 첫 5분과 관측성 기본기
    • [초안] 운영 데이터 정합성 장애 대응 — 결제 취소 누락과 중복 적재 런북
    • Envoy Proxy
    • [초안] F&B / e-Commerce 운영 장애 대응과 모니터링 — 백엔드 관점 정리
    • Graceful Shutdown
    • [초안] 시니어 백엔드를 위한 SLO와 Error Budget 기반 장애 대응
  • http 페이지로 이동
    • HTTP Connection Pool
    • HTTPS는 어떻게 안전한가 — TLS, 인증서, 그리고 termination
  • interview 페이지로 이동
    • [초안] AI 서비스 팀 경험 기반 시니어 백엔드 면접 질문 뱅크 — Spring Batch RAG / gRPC graceful shutdown / 전략 패턴 / 12일 AI 웹툰 MVP
    • Observability — 면접 답변 프레임
    • [초안] 시니어 Java 백엔드 면접 마스터 플레이북 — 김병태
    • [초안] NSC 슬롯팀 경험 기반 질문 은행 — 도메인 모델링·동시성·성능·AI 협업
  • java 페이지로 이동
    • concurrency 페이지로 이동
    • jdbc 페이지로 이동
    • opentelemetry 페이지로 이동
    • spring 페이지로 이동
    • spring-batch 페이지로 이동
    • testing 페이지로 이동
    • 더_자바_코드를_조작하는_다양한_방법 페이지로 이동
    • [초안] Java 동시성 락 정리 — 커머스 메뉴/프로모션 정책 캐시 갱신 관점
    • [초안] JVM 튜닝 실전: 메모리 구조부터 Virtual Threads, GC 튜닝, 프로파일링까지
    • Java의 로깅 환경
    • MDC (Mapped Diagnostic Context)
    • Java StampedLock — 읽기 폭주에도 쓰기가 밀리지 않는 락
    • Virtual Thread와 Project Loom
  • javascript 페이지로 이동
    • typescript 페이지로 이동
    • AbortController
    • Async Iterator와 제너레이터
    • CommonJS와 ECMAScript Modules
    • 제너레이터(Generator)
    • Http Client
    • Node 백엔드 운영 패턴 — Streams 백프레셔, pipe/pipeline, 멱등성 vs 분산 락
    • Node.js
    • npm vs pnpm — 어떤 기준으로 선택했나
    • `setImmediate()`
  • kafka 페이지로 이동
    • [초안] Kafka 기본 개념 — 토픽, 파티션, 오프셋, 복제
    • Kafka를 사용하여 **데이터 정합성**은 어떻게 유지해야 할까?
    • [초안] Kafka 실전 설계: 파티션 전략, 컨슈머 그룹, 전달 보장, 재시도, 순서 보장 트레이드오프
    • 메시지 전송 신뢰성
    • [초안] Spring Kafka 컨슈머 오프셋 커밋과 트랜잭션 정렬: AckMode, manual ack, 멱등 처리
  • linux 페이지로 이동
    • fsync — 리눅스 파일 동기화 시스템 콜
    • tmux — Terminal Multiplexer
  • mlops 페이지로 이동
    • Python CUDA 버전 생태계 — nvidia-smi, nvcc, pip, conda가 다 다른 버전을 말하는 이유
    • GPU 컨테이너의 CUDA 버전 호환성 — nvidia-smi부터 이미지 다이어트까지
    • Kubernetes GPU 노드에서 /run tmpfs가 꽉 차서 Pod가 안 뜰 때
    • GPU·CUDA·MPS 기초 — 자바 백엔드 개발자가 처음 만나는 그림
    • Multi-process GPU 워크로드 — 자바 ThreadPool 사용자가 만나는 모델 차이
    • ML 서비스 성능 분석 워크플로 — 자바 백엔드 트러블슈팅과 다른 점
    • 한 GPU 를 여러 프로세스가 나눠 쓰기 — Time-Slicing 과 MPS
  • network 페이지로 이동
    • Connection reset by peer는 누가 보낸 걸까 — 리버스 프록시 홉마다 TCP 연결은 따로 논다
    • L2(스위치)와 L3(라우터)의 역할 차이
    • L4와 VIP(Virtual IP Address)
    • IP Subnet
  • python 페이지로 이동
    • Python async/await — CompletableFuture·Reactor 와 다른 점, 그리고 blocking I/O 함정
    • Python 의존성 관리 — Java Maven/Gradle 사용자가 만나는 첫 충격
    • FastAPI 기초 — Spring Boot 사용자가 빠르게 익히는 법
    • Java 개발자를 위한 Python 심화 — OOP·데코레이터·컨텍스트 매니저
    • PyTorch 기초 — 텐서, 디바이스, 그리고 모델 로딩이 무거운 이유
    • Java 개발자를 위한 Python 문법 핵심
    • ThreadLocal 에서 contextvars 로 — Python 의 요청 컨텍스트 전파
    • OCR 동작 원리 — Layout · Text · Post-process 3단계
    • Python 서버의 RSS 가 안 줄어드는 이유 — gc.collect 의 한계와 malloc_trim
  • rabbitmq 페이지로 이동
    • [초안] RabbitMQ Basics — 실전 백엔드 관점에서 정리하는 메시지 브로커 기본기
    • [초안] RabbitMQ vs Kafka — 백엔드 메시징 선택 기준과 실전 운영 관점
  • security 페이지로 이동
    • [초안] 시니어 백엔드를 위한 보안 / 인증 스터디 팩 — Spring Security, JWT, OAuth2, OWASP Top 10
    • [초안] Spring Security 6.x OAuth2 + JWT 상용 인증 설계 — Grant 선택, Resource Server, Refresh Rotation, 로그아웃
  • task 페이지로 이동
    • ai-service-team 페이지로 이동
    • nsc-slot 페이지로 이동
    • sb-dev-team 페이지로 이동
    • the-future-company 페이지로 이동
  • testing 페이지로 이동
    • [초안] 시니어 Java 백엔드를 위한 테스트 전략 완전 정리 — 피라미드부터 TestContainers, 마이크로벤치, Contract까지
  • travel 페이지로 이동
    • 오사카 3박 4일 일정표: 우메다 쇼핑, USJ, 난바·도톤보리, 오사카성
  • web 페이지로 이동
    • [초안] HTTP / Cookie / Session / Token 인증 기본기 — 레거시 JSP와 모바일 API가 공존하는 백엔드 관점
FOS-BLOG · FOOTERall systems normal·v0.1 · 2026.04.27·seoul, kr
Ffos-blog/study

개발 학습 기록을 정리하는 블로그입니다. 공부하면서 기록하고, 기록하면서 다시 배웁니다.

visitors
01site
  • Home↗
  • Posts↗
  • Categories↗
  • About↗
02policy
  • 소개/about
  • 개인정보처리방침/privacy
  • 연락처/contact
03categories
  • AI↗
  • Algorithm↗
  • DB↗
  • DevOps↗
  • Java/Spring↗
  • JS/TS↗
  • React↗
  • Next.js↗
  • System↗
04connect
  • GitHub@jon890↗
  • Source repositoryjon890/fos-study↗
  • RSS feed/rss.xml↗
  • Newsletter매주 1 회 · 한 편의 글→
© 2026 FOS Study. All posts MIT-licensed.
built with·Next.js·Tailwind v4·Geist·Pretendard·oklch
fos-blog/AI/Claude Code 메모리: CLAUDE.…
ai

Claude Code 메모리: CLAUDE.md와 .claude/rules를 규칙으로 쓰는 법

진행 기간: 2026.06 Claude Code로 한 레포를 오래 다루다 보면 "매번 같은 걸 다시 설명하는" 순간이 온다. PR 본문은 이렇게 써라, Dooray 업무 제목은 이 형식이다, 한국어로 풀어 써라. 이걸 어디에 적어둬야 Claude가 실제로 지키는지 — 그게 이 글의 주제다. 나는 그동안 이런 규칙을 프로젝트 안 .claude/skills/s...

2026.06.08·6 min read·148 views

진행 기간: 2026.06

Claude Code로 한 레포를 오래 다루다 보면 "매번 같은 걸 다시 설명하는" 순간이 온다. PR 본문은 이렇게 써라, Dooray 업무 제목은 이 형식이다, 한국어로 풀어 써라. 이걸 어디에 적어둬야 Claude가 실제로 지키는지 — 그게 이 글의 주제다.

나는 그동안 이런 규칙을 프로젝트 안 .claude/skills/_shared/ 같은 폴더에 마크다운으로 두고 CLAUDE.md에서 링크만 걸어왔다. 그런데 어느 순간 깨달았다. 링크만 걸어두면 Claude가 그 파일을 잘 안 본다. 규칙을 적어놨는데 안 지켜지는 경험이 반복됐다. 이번에 그 구조를 제대로 정리하면서, Claude Code의 메모리 시스템이 정확히 무엇을 언제 읽는지 공식 문서까지 뒤져 확인했다. 관련해서 스킬·CLAUDE.md를 키워온 과정은 Claude Code를 5주 더 쓴 결과에 정리해뒀고, 이 글은 그중 로딩 메커니즘을 깊이 판다.

무엇이 언제 컨텍스트에 들어오나

Claude Code가 세션 시작 시 자동으로 읽는 것은 정해져 있다. 내가 헷갈렸던 부분을 표로 정리하면:

위치로드 시점
CLAUDE.md (레포 루트 + 상위 디렉터리들 + ~/.claude/CLAUDE.md)모든 세션 시작 시 항상
CLAUDE.md 안의 @경로 importCLAUDE.md를 읽을 때 그 파일도 펼쳐서 함께 (최대 4홉)
.claude/rules/*.md — frontmatter 없음모든 세션 시작 시 자동
.claude/rules/*.md — paths: frontmatter 있음그 glob에 맞는 파일을 읽을 때만
~/.claude/rules/*.md (개인)모든 프로젝트에 자동, 프로젝트 규칙보다 먼저
[텍스트](경로) 마크다운 링크자동 아님 — 그 작업을 할 때 Read로 직접 열 때만

여기서 내가 오래 착각한 게 마지막 줄이다. CLAUDE.md에 [PR 컨벤션](.claude/skills/_shared/pr-conventions.md) 식으로 링크를 걸어두면, 그건 "필요하면 열어봐라" 수준이지 자동 로드가 아니다. Claude는 CLAUDE.md 본문은 항상 읽지만, 링크된 파일은 그 작업을 할 때 직접 열어야 본다. 안 열면 모른다.

.claude/rules는 그냥 폴더가 아니다

처음엔 나도 .claude/rules/를 "우리가 만든 폴더 이름" 정도로 생각했다. 그래서 누가 "rules 폴더의 규칙은 언제 트리거되냐"고 물었을 때, 나는 자신 있게 **"그건 특별한 폴더가 아니라서 자동 트리거가 없다"**고 답했다.

틀렸다.

공식 문서를 직접 열어보니 .claude/rules/는 Claude Code가 인식하는 특별 폴더였다. paths frontmatter가 없는 규칙 파일은 .claude/CLAUDE.md와 동일한 우선순위로 모든 세션에 자동 로드된다. 하위 디렉터리(rules/frontend/)도 재귀적으로 발견되고, 심볼릭 링크로 레포 간 공유도 된다.

추측을 사실처럼 말하면 안 된다는 걸 다시 배웠다. "특별한 폴더가 아닐 것이다"는 그럴듯한 추측이었지만, 1분이면 공식 문서로 확인할 수 있는 거였다.

확인하고 나니 해법이 단순해졌다. 규칙을 링크로 거는 대신 .claude/rules/에 파일로 두면, 그 자체로 매 세션 자동 로드된다. "링크만 걸면 안 본다" 문제가 폴더 위치만 바꿔도 해결된다.

paths로 범위를 좁혀 토큰 아끼기

규칙이 항상 필요하진 않다. API 코드에만 해당하는 규칙을 매 세션 로드하면 컨텍스트만 잡아먹는다. paths frontmatter로 특정 파일을 읽을 때만 로드되게 좁힐 수 있다.

markdown
---
paths:
  - "src/api/**/*.ts"
---
# 이 규칙은 Claude가 src/api 아래 .ts를 읽을 때만 로드된다

paths가 없으면 무조건 로드. 트리거는 "그 패턴 파일을 읽을 때"지 "모든 도구 호출마다"가 아니다. 나는 PR·Dooray 컨벤션은 paths를 안 붙였다. "PR 만들 때"는 특정 파일 편집이 아니라 glob으로 잡히지 않는 시점이라, 차라리 짧게 만들어 항상 로드하는 편이 맞았다.

규칙은 컨텍스트지 강제가 아니다 — 이번에 데였다

여기가 이 글에서 가장 중요한 부분이다.

CLAUDE.md든 .claude/rules든, 이건 시스템 프롬프트가 아니라 사용자 메시지로 전달되는 컨텍스트다. Claude는 읽고 따르려 하지만 엄격하게 보장하지 않는다. 공식 문서도 이 점을 명시한다.

나는 이걸 머리로는 알았는데, 이번에 직접 데였다.

PR 컨벤션 규칙 파일 안에 "PR 생성 직전 자가 점검" 체크리스트를 적어뒀다. 1번 항목이 "이슈 트래커 딥링크가 클릭되는 웹 URL인가?"였다. 그런데 정작 내가 PR을 만들 때, 그 체크리스트를 형식적으로 통과시키고 깨진 링크(task/None/...)를 그대로 박았다. 규칙 파일에 점검 항목이 있었는데도, 그걸 실제로 실행하지 않은 거다. 사용자가 "이 링크 왜 None이냐"고 짚어서야 발견했다.

원인을 파보니 두 겹이었다.

  • 표면: 자가 점검을 실제로 안 돌리고 "했다 치고" 넘어갔다.
  • 근본: Dooray API 응답에서 최상위 projectId가 None이고 실제 값은 d['project']['id']에 있었는데, 규칙 파일의 예제 코드가 d.get('projectId')로 잘못 짜여 있었다. 규칙 자체가 버그였다.
python
# 잘못된 버전 — projectId는 최상위에 없다
print(f"https://.../task/{d.get('projectId', 'UNKNOWN')}/{d['id']}")  # → task/None/...
 
# 실측 후 수정 — d['project']['id']
print(f"https://.../task/{d['project']['id']}/{d['id']}")

교훈은 명확했다. "자가 점검하라"를 문서에 적는 것과, 그게 실제로 실행되는 것은 다르다. 특정 시점에 반드시 실행돼야 하는 검증이라면 — 공식 문서가 정확히 이 경우를 위해 답을 준다 — 문서가 아니라 PreToolUse hook으로 박아야 한다. Hook은 셸 명령으로 실행되고, Claude가 무엇을 하기로 결정하든 무관하게 강제된다. 문서는 "지키려고 노력"이고, hook은 "안 지키면 막힘"이다.

팀 공유 규칙과 개인 취향 규칙을 위치로 가른다

규칙을 정리하면서 또 하나 분명해진 건 어디에 두느냐가 곧 누가 쓰느냐라는 점이다.

처음에 나는 PR 양식 같은 공통 규칙을 개인 글로벌(~/.claude/rules/)에 두고, 레포 문서에서 그 개인 경로를 참조하게 만들었다. 그런데 이러면 팀원이 레포를 clone했을 때 ~/.claude/... 파일이 없어서 참조가 깨진다. 애초에 "한국어로 풀어 써라" 같은 건 내 개인 취향이지 팀 강제 규칙이 아닌데, 레포 문서가 그걸 가리키는 것 자체가 잘못된 결합이었다.

그래서 출처 기준으로 갈랐다. (이 "출처 기준 분리"는 5주 회고에서 한 번 정리했던 원칙인데, 이번에 위치까지 못 박았다.)

규칙 성격위치이유
팀 공유 (PR 본문·이슈 트래커 컨벤션)레포 .claude/rules/clone하면 팀원도 자동으로 가짐
개인 취향 (글쓰기 스타일·가독성)개인 ~/.claude/rules/내 모든 레포에 자동 적용, 팀엔 강제 안 함

핵심 규율 하나: 레포에 커밋되는 문서가 개인 글로벌 경로(~/.claude/...)를 참조하지 않게 한다. 팀원에겐 그 파일이 없다. 개인 룰은 개인 글로벌에서만 살아야 하고, 레포는 그 룰을 몰라도 동작해야 한다.

여러 레포가 공유할 규칙이라면 ~/shared-rules/ 같은 곳에 원본을 두고 각 레포 .claude/rules/에서 심볼릭 링크를 거는 방법도 있다. 공식 문서가 순환 링크까지 처리한다고 한다.

다른 레포에 그대로 옮기는 법

이 구조를 새 레포에 적용할 때 내가 따르는 순서는 이렇다.

  • 팀 공유 규칙(PR 양식·커밋 컨벤션 등)은 그 레포 .claude/rules/<주제>.md에 파일로 둔다. 커밋하면 끝 — 팀원도 매 세션 자동 로드된다.
  • 프로젝트 고유부(제목 형식·브랜치명·이슈 트래커 조회법)는 같은 파일에 "프로젝트 전용" 섹션으로 더한다.
  • 내 개인 스타일은 레포에 넣지 않고 ~/.claude/rules/에만 둔다.
  • 반드시 강제돼야 하는 검증은 규칙 문서가 아니라 hook으로 옮긴다.

디버깅할 때 쓰는 것

  • /memory — 현재 세션에 실제로 로드된 CLAUDE.md·rules 파일 목록을 보여준다. 목록에 없으면 Claude가 못 본 거다. "규칙을 적었는데 안 지킨다" 싶을 때 제일 먼저 여기를 본다.
  • 200줄 넘는 CLAUDE.md는 오히려 준수율이 떨어진다고 한다. 길어지면 paths 규칙으로 쪼개거나 그냥 정리한다.

지금 보면

규칙을 "문서로 적어두면 지켜진다"고 믿었던 게 가장 큰 착각이었다. 이번에 깨진 링크를 직접 만들고 나서야, 문서는 컨텍스트일 뿐이고 강제가 필요하면 hook이라는 경계가 손에 잡혔다. 그리고 "rules 폴더는 특별하지 않을 것"이라는 추측을 사실처럼 말했다가 공식 문서에서 정반대를 확인한 것도 — 1분이면 검증할 수 있는 걸 추측으로 때우려 한 내 습관을 다시 보게 했다.

남은 숙제는 자가 점검을 hook으로 옮기는 일이다. 지금은 규칙 파일에 체크리스트만 있어서, 이번처럼 내가(또는 Claude가) 형식적으로 통과시키면 또 빠져나간다. gh pr create 시점에 PreToolUse hook으로 링크 검증을 박으면 그제야 "안 지키면 막힘"이 된다.

참고

  • Claude Code 공식 문서 — 메모리
  • Claude Code를 5주 더 쓴 결과 — 스킬·CLAUDE.md를 키워가는 방식
  • Claude Code의 Skill 시스템
on this page
  • 01무엇이 언제 컨텍스트에 들어오나
  • 02`.claude/rules`는 그냥 폴더가 아니다
  • 03paths로 범위를 좁혀 토큰 아끼기
  • 04규칙은 컨텍스트지 강제가 아니다 — 이번에 데였다
  • 05팀 공유 규칙과 개인 취향 규칙을 위치로 가른다
  • 06다른 레포에 그대로 옮기는 법
  • 07디버깅할 때 쓰는 것
  • 08지금 보면
  • 09참고

이런 글도

  • HNSW 심화 — 파라미터 튜닝과 구현체별 성능 차이
    벡터 검색 알고리즘 입문에서 HNSW가 kNN을 실시간에 쓰게 만든 표준 알고리즘이라는 걸 봤다. 이 글은 그 다음 단계다 — 파라미터를 어떻게 튜닝하고, 왜 같은 설정인데 제품마다 성능이 다른가. - HNSW 튜닝은 파라미터 3개로 끝난다 — M(그래프 밀도), efconstruction(빌드 품질), efsearch(검색 품질). 앞 둘은 인덱스에 고정...
    🤖 ai
    ai
    2026.07.01
  • 엔터프라이즈 AI Agent 설계 — reasoning, tool, memory, cost를 운영 시스템으로 묶기
    AI Agent를 엔터프라이즈 환경에 올린다는 건 "LLM이 알아서 일하게 한다"가 아니다. 모델의 reasoning 능력, 도구 호출, 메모리, 비용 예산, 권한, 감사 로그를 하나의 운영 시스템으로 묶는 일이다. 이 글은 Chain of Thought부터 MCP, LangGraph, Agent SDK, memory, cost control, risk g...
    🤖 ai
    ai
    2026.06.25
  • 사람용 CLI와 AI 에이전트용 CLI는 설계가 다르다
    예전에는 CLI를 사람만 썼다. 지금은 Claude Code 같은 AI 에이전트가 CLI를 호출해 업무를 자동화한다. 같은 도구라도 "에이전트가 쓰기 좋게" 설계하면 자동화가 훨씬 매끄럽고, 그러지 않으면 자동화가 자주 깨진다. 여러 업무 자동화 CLI를 직접 만들어 에이전트로 호출해 보면서 정리한 설계 원칙을 공유한다. (예시는 공개한 개인 도구 door...
    🤖 ai
    ai
    2026.06.17
  • 벡터 검색 알고리즘 — kNN에서 HNSW까지
    임베딩으로 텍스트를 벡터로 바꾸고 나면, "질문 벡터와 가장 가까운 문서 벡터"를 찾아야 한다. 이 글은 그 검색을 담당하는 알고리즘을 kNN(개념) → 왜 느린가 → ANN → HNSW(실전 표준) 순서로 정리한다. - kNN(k-Nearest Neighbors) = 어떤 벡터(쿼리)와 가장 가까운 k개의 이웃 벡터를 찾는 알고리즘 - 예를 들어 - 문서...
    🤖 ai
    ai
    2026.06.16

댓글 (0)