Boris Cherny: Building Claude Code

원본 영상: Boris Cherny: Building Claude Code · 채널 Y Combinator

Part 1 — 핵심 인사이트

모델이 강해질수록 프롬프트는 줄여야 한다.
AI 제품은 설계보다 실험과 관찰이 먼저다.
안전·권한·정적 분석이 에이전트 하네스의 핵심이다.
좋은 eval은 삭제를 견디는 기준선이다.
모델은 고정 시스템이 아니라 계속 변하는 존재다.

Part 1 — 요약

이 영상은 Claude Code를 만든 Boris Cherny가 최신 모델인 Opus 5를 기준으로, AI 제품과 에이전트 하네스를 어떻게 다시 설계해야 하는지 설명한다. 핵심 메시지는 모델이 강해질수록 기존에 덧붙여 온 시스템 프롬프트와 보조 장치가 오히려 불필요해질 수 있으며, 먼저 지우고 실제 동작을 관찰한 뒤 필요한 것만 다시 더해야 한다는 것이다.

또한 프롬프트 인젝션 방어, 안전/권한/정적 분석 중심의 하네스 구조, 그리고 eval과 ablation을 통해 모델·제품을 과학적으로 다루는 태도를 강조한다. 전통적인 소프트웨어처럼 처음부터 완벽한 설계를 고정하기보다, 모델을 '살아 있는 존재'처럼 이해하고 매 세대마다 실험적으로 맞춰 가야 한다는 관점이 영상 전체를 관통한다.

Part 2 — 핵심 인사이트

좋은 eval은 오래 못 가고, 모델 변화에 맞춰 다시 만들어야 한다.
모델의 한계보다 제품의 제약이 성능을 더 많이 막는다.
최신 모델엔 과도한 지시보다 높은 수준의 목표가 더 잘 먹힌다.
안 된다는 작업도 새 모델에선 갑자기 가능해질 수 있다.
숨은 능력은 실험과 느슨한 탐색에서 발견된다.

Part 2 — 요약

이 영상은 Claude Code를 만든 핵심 관점을 설명하며, 모델이 실제로 할 수 있는 일보다 제품이 더 보수적으로 설계되어 생기는 'product overhang'과 'hobbling' 문제를 강조한다. 보통의 제품이 모델의 능력을 충분히 이끌어내지 못하므로, 더 단순한 하네스와 더 높은 수준의 과업 정의가 오히려 더 좋은 결과를 만든다는 주장이다.

또한 최신 모델은 이전 세대가 못 하던 작업, 예를 들어 대규모 코드베이스의 언어 전환이나 OpenCV를 이용한 이미지 그리기까지 가능해졌다고 소개한다. 핵심 메시지는 정답을 미리 좁히기보다 모델에 조금 더 어려운 과제를 던지고, 실험하며, 제품이 모델의 잠재력을 막고 있는지 계속 점검해야 한다는 것이다.

Part 3 — 핵심 인사이트

프롬프트 기술보다 검증 설계가 더 중요하다.
모델은 어려운 일을 맡길 때 성능이 드러난다.
과도한 명세보다 유연한 작업 분해가 효과적이다.
AI는 고정 답변기보다 협업하는 동료로 다뤄야 한다.
반복 유지보수는 에이전트에게 가장 큰 레버리지다.

Part 3 — 요약

이 영상은 Claude Code를 어떻게 더 잘 쓰는지에 대한 실전 관점의 설명이다. 핵심은 '프롬프트를 잘 쓰는 법'이 아니라, 모델이 어려운 일을 수행하도록 적절한 작업을 주고, 중간에 스스로 검증할 수 있는 장치를 붙이는 법에 있다. 화자는 대규모 리라이트 작업을 수 주 동안 돌린 사례를 들며, 모델이 막히지 않게 만들면 생각보다 훨씬 오래, 그리고 대규모로 일할 수 있다고 강조한다.

또한 dynamic workflows, loops, routines 같은 기능을 통해 수천 개의 에이전트를 순차·병렬로 조율하는 방식이 소개된다. 이를 단순 자동화가 아니라 새로운 형태의 test-time compute로 해석하며, 코드베이스 유지보수, 테스트 작성, 중복 추상화 정리까지 모델이 지속적으로 수행하게 만드는 방향을 제시한다. 전반적으로 'AI를 똑똑한 도구'가 아니라 '검증 가능한 동료'처럼 다루는 사고방식이 중심 메시지다.

Part 4 — 핵심 인사이트

AI 코딩 시대의 핵심 역량은 이론보다 실험이다.
모델의 한계는 가정이 아니라 직접 써보며 알아내야 한다.
코딩이 쉬워질수록 제품·사용자 감각의 가치가 커진다.
CS 지식은 문제 해결에 붙일 때 비로소 큰 힘을 낸다.
개인적으로 필요한 것을 만들 줄 아는 사람이 더 빨리 성장한다.

Part 4 — 요약

이 영상은 AI 에이전트 코딩이 점점 더 많은 종류의 개발 업무를 대체하고 있지만, 여전히 모든 코딩 문제가 해결된 것은 아니라는 점에서 출발한다. 특히 깊은 시스템 코드, 분산 시스템, 정교한 UI 검증 같은 영역은 아직 모델이 완벽하지 않으며, 그래서 뛰어난 사용자는 이 한계를 이론보다 실험으로 파악하는 태도를 가져야 한다고 주장한다. 핵심은 과거의 선입견을 버리고 모델을 직접 시험해 보며, 결과를 바탕으로 반복적으로 조정하는 '경험적 사고'다.

후반부에서는 학생들이 무엇을 손으로 배워야 하는지에 대한 조언이 나온다. 단순한 CS 이론 자체보다, 그것을 실제 문제 해결에 적용하는 능력—스타트업 만들기, 제품 설계, 비즈니스 감각, 데이터 과학, 사용자 대화—을 함께 익혀야 진짜 가치가 생긴다고 말한다. 개인적으로 유용한 것을 만들고, 그다음 남에게도 필요한 것을 만드는 순서가 좋다는 메시지로 마무리된다.