<div id="readability-page-1" class="page"><article>
                        <span><span>이 글은 약</span> <span> 6</span> <span>분 정도면 읽을 수 있습니다.</span></span>
<p>Cursor나 Claude Code를 설치했는데도 개발 속도가 크게 달라지지 않는 경우가 많습니다. 간단한 코드 생성에는 편리하지만, 수정할수록 오류가 늘어나거나 기존 기능이 망가지는 문제도 자주 발생합니다.</p>



<p>원인은 AI 코딩 도구의 성능보다 작업 방식에 있는 경우가 많습니다. 모호한 요청을 한 번에 전달하고, 생성된 코드를 검증하지 않은 채 다음 작업으로 넘어가면 오히려 수정 시간이 길어집니다.</p>



<p>저도 처음에는 “이 기능을 만들어줘”라는 식으로 요청했습니다. 결과는 빠르게 나왔지만 코드 구조가 프로젝트와 맞지 않아 다시 작성해야 했습니다.</p>



<p>이후 요구사항 정리, 코드 탐색, 작업 계획, 구현, 테스트를 분리했습니다. 이 흐름을 반복하면서 단순 작업은 체감상 3배 가까이 빨라졌고, 복잡한 기능도 재작업 횟수가 눈에 띄게 줄었습니다.</p>



<hr>



<figure><img decoding="async" src="https://jinblog.kr/wp-content/uploads/2026/07/image-1-75.png" alt="Cursor·Claude Code 코딩 속도 3배 높이는 실전 워크플로우｜AI 코딩 도구를 제대로 쓰는 방법 image 1"></figure>







<p>AI 코딩 도구를 처음 사용하면 프롬프트를 길게 작성하는 데 집중하기 쉽습니다. 하지만 실제 개발 속도를 결정하는 것은 프롬프트 길이가 아니라 작업 범위와 검증 기준입니다.</p>



<p>예를 들어 “회원가입 기능을 만들어줘”라고 요청하면 AI는 인증 방식, 데이터 구조, 예외 처리 규칙을 임의로 판단합니다. 당장은 코드가 완성된 것처럼 보여도 기존 프로젝트의 인증 로직과 충돌할 가능성이 큽니다.</p>



<p>Cursor와 Claude Code는 이미 정리된 문제를 구현할 때 특히 효율적입니다. 반대로 요구사항이 अस्पष्ट하거나 관련 파일을 확인하지 않은 상태에서는 불필요한 수정이 늘어납니다.</p>



<p>초기에는 코드 생성 속도만 빨라졌습니다. 하지만 생성된 코드를 읽고 오류를 고치느라 전체 작업 시간은 거의 줄지 않았습니다.</p>



<figure><table><thead><tr><th>항목</th><th>변화 전</th><th>워크플로우 적용 후</th></tr></thead><tbody><tr><td>요청 방식</td><td>기능 전체를 한 번에 요청</td><td>작은 작업 단위로 분리</td></tr><tr><td>코드 탐색</td><td>필요한 파일만 직접 확인</td><td>관련 흐름을 먼저 분석</td></tr><tr><td>구현 과정</td><td>생성 후 바로 적용</td><td>계획 확인 후 구현</td></tr><tr><td>검증 방식</td><td>화면에서 수동 확인</td><td>테스트·타입 검사 병행</td></tr><tr><td>재작업</td><td>오류 발생 후 대규모 수정</td><td>단계마다 작은 오류 수정</td></tr></tbody></table></figure>



<p>가장 흔한 실수는 AI에게 너무 많은 권한과 범위를 한꺼번에 주는 것입니다. 빠른 결과를 얻으려다가 변경 파일이 많아지고, 무엇이 왜 바뀌었는지 파악하기 어려워집니다.</p>



<hr>



<h2>💡 코딩 속도를 높이는 핵심은 역할 분리입니다</h2>



<p>Cursor와 Claude Code를 단순한 코드 자동완성 도구로만 사용하면 생산성 향상에 한계가 있습니다. 분석가, 구현자, 검토자 역할을 순서대로 맡기는 편이 효과적입니다.</p>



<p>첫 번째 단계에서는 코드 수정을 요청하지 않습니다. 관련 파일, 데이터 흐름, 기존 패턴, 예상되는 위험 요소만 조사하도록 합니다.</p>



<p>두 번째 단계에서는 조사 결과를 바탕으로 구현 계획을 작성하게 합니다. 변경할 파일과 작업 순서, 테스트 기준이 명확한지 사람이 먼저 확인합니다.</p>



<p>세 번째 단계에서만 코드를 수정합니다. 구현이 끝난 뒤에는 같은 대화 흐름에서 스스로 검토하게 하되, 최종 판단은 테스트 결과와 코드 차이를 기준으로 내립니다.</p>



<p>실제로 이 방식으로 API 응답 필드를 추가한 적이 있습니다. 이전에는 컨트롤러만 수정한 뒤 프런트엔드 타입 오류를 뒤늦게 발견했습니다.</p>



<p>워크플로우를 바꾼 뒤에는 API 스키마, 서버 타입, 클라이언트 타입, 화면 사용 위치를 먼저 찾았습니다. 수정 자체는 몇 분 더 준비했지만 전체 작업은 훨씬 빨리 끝났습니다.</p>



<hr>



<h2>🛠 Cursor·Claude Code 실전 5단계 워크플로우</h2>



<p>첫 단계는 목표를 한 문장으로 고정하는 것입니다. “검색 기능 개선”처럼 넓게 쓰기보다 “상품명 검색 시 300ms 디바운스를 적용하고 기존 필터 상태를 유지한다”처럼 결과를 구체적으로 적습니다.</p>



<p>두 번째는 탐색입니다. AI에게 관련 파일과 현재 실행 흐름을 찾게 하고, 아직 코드를 변경하지 말라고 명확하게 요청합니다.</p>



<p>세 번째는 계획입니다. 변경 파일, 파일별 수정 내용, 실패 가능성, 확인할 테스트를 정리하게 합니다. 계획이 지나치게 크다면 기능을 더 작은 단위로 나눕니다.</p>



<p>네 번째는 구현입니다. 한 번에 1~3개의 논리적 변경만 맡기는 것이 좋습니다. 데이터베이스 변경, API 수정, 화면 개편을 동시에 진행하면 문제 원인을 찾기 어렵습니다.</p>



<p>다섯 번째는 검증입니다. 타입 검사, 린트, 단위 테스트, 빌드, 실제 화면 확인 중 프로젝트에 필요한 항목을 실행합니다. 마지막에는 변경된 코드 차이를 읽고 불필요한 수정이 포함됐는지 확인합니다.</p>



<figure><table><thead><tr><th>단계</th><th>AI에게 요청할 내용</th><th>완료 기준</th></tr></thead><tbody><tr><td>목표 정의</td><td>요구사항과 제외 범위 정리</td><td>결과를 한 문장으로 설명 가능</td></tr><tr><td>코드 탐색</td><td>관련 파일과 호출 흐름 조사</td><td>수정 대상의 근거가 명확함</td></tr><tr><td>계획 수립</td><td>작업 순서와 위험 요소 제시</td><td>작은 단위로 실행 가능</td></tr><tr><td>구현</td><td>승인한 범위만 수정</td><td>기존 패턴과 일관성 유지</td></tr><tr><td>검증</td><td>테스트와 코드 차이 점검</td><td>오류 없이 요구사항 충족</td></tr></tbody></table></figure>



<p>초보자라면 다음과 같은 요청 형식을 그대로 활용해도 좋습니다.</p>



<p>“이 기능과 관련된 파일과 데이터 흐름을 먼저 찾아주세요. 아직 코드는 수정하지 마세요. 현재 구조, 수정 후보 파일, 주의할 점을 정리해주세요.”</p>



<p>분석이 끝나면 “조사 결과를 기준으로 최소 변경 계획을 작성해주세요. 파일별 수정 내용과 검증 방법을 포함해주세요”라고 이어갑니다.</p>



<p>구현 단계에서는 “승인한 계획 범위만 수정하고, 완료 후 실행한 검사와 남은 위험 요소를 정리해주세요”라고 요청합니다. 이 세 문장만 습관화해도 AI 코딩 결과가 안정적으로 바뀝니다.</p>



<hr>



<figure><img decoding="async" src="https://jinblog.kr/wp-content/uploads/2026/07/image-2-75.png" alt="Cursor·Claude Code 코딩 속도 3배 높이는 실전 워크플로우｜AI 코딩 도구를 제대로 쓰는 방법 image 2"></figure>



<h2>🧩 Cursor와 Claude Code를 함께 사용하는 방법</h2>



<p>두 도구를 반드시 동시에 사용할 필요는 없습니다. 프로젝트 규모와 작업 성격에 따라 역할을 나누면 됩니다.</p>



<p>Cursor는 편집기 안에서 현재 파일을 보면서 작은 코드를 수정하거나, 여러 파일을 비교하며 작업할 때 편리합니다. UI 조정, 함수 리팩터링, 짧은 오류 수정처럼 즉시 확인이 필요한 작업에 잘 맞습니다.</p>



<p>Claude Code는 터미널 중심으로 저장소 구조를 탐색하고, 여러 파일에 걸친 변경을 계획하거나 테스트 명령까지 연결할 때 활용하기 좋습니다. 대규모 리팩터링이나 반복적인 점검 업무에서 장점이 있습니다.</p>



<p>제가 사용하는 조합은 단순합니다. 구조 분석과 변경 계획은 Claude Code로 진행하고, 세밀한 코드 편집과 화면 중심 수정은 Cursor에서 처리합니다.</p>



<p>다만 두 도구에 같은 파일을 동시에 수정하게 하면 충돌이 발생할 수 있습니다. 한 도구의 작업이 끝나고 코드 차이를 확인한 다음 다른 도구로 넘어가는 편이 안전합니다.</p>



<hr>



<h2>✅ AI 코딩 도구에 꼭 전달해야 할 프로젝트 규칙</h2>



<p>AI는 프로젝트 내부 규칙을 자동으로 완벽하게 이해하지 못합니다. 디렉터리 구조와 기술 스택을 읽을 수 있어도 팀이 중요하게 생각하는 설계 기준까지 정확히 추론하기는 어렵습니다.</p>



<p>따라서 자주 반복하는 규칙은 프로젝트 지침 파일에 정리하는 것이 좋습니다. 사용 중인 도구가 인식하는 프로젝트 규칙 파일을 활용하고, 내용은 짧고 실행 가능하게 작성합니다.</p>



<p>포함하면 좋은 항목은 다음과 같습니다.</p>



<ul><li>패키지 설치와 실행 명령</li><li>테스트, 린트, 타입 검사 명령</li><li>디렉터리별 역할</li><li>사용해야 하는 공통 컴포넌트</li><li>API 오류 처리 방식</li><li>데이터베이스 변경 시 주의사항</li><li>수정하면 안 되는 파일과 생성 파일</li><li>작업 완료 전 필수 검증 항목</li></ul>



<p>“좋은 코드를 작성한다”와 같은 추상적인 문장은 도움이 적습니다. “새 버튼을 만들기 전에 공통 Button 컴포넌트를 확인한다”처럼 판단 기준을 구체적으로 적어야 합니다.</p>



<p>규칙 파일이 너무 길어지는 것도 피해야 합니다. 실제로 반복해서 어기는 항목부터 추가하고, 더 이상 필요하지 않은 규칙은 정리하는 편이 좋습니다.</p>



<hr>



<h2>⚠️ 코딩 속도를 떨어뜨리는 흔한 실수</h2>



<p>첫 번째 실수는 결과를 확인하지 않고 연속으로 요청하는 것입니다. 잘못된 전제에서 생성된 코드 위에 기능을 계속 추가하면 마지막에 전체 구조를 다시 고쳐야 합니다.</p>



<p>두 번째는 에러 메시지를 요약해서 전달하는 것입니다. “빌드가 안 돼요”보다 실행한 명령, 전체 오류 문구, 직전에 변경한 내용을 함께 제공해야 원인을 빠르게 찾을 수 있습니다.</p>



<p>세 번째는 AI가 제안한 패키지를 바로 설치하는 것입니다. 기존 의존성으로 해결할 수 있는지 먼저 확인해야 합니다. 작은 기능 때문에 새로운 라이브러리가 추가되면 유지보수 부담이 커질 수 있습니다.</p>



<p>네 번째는 테스트를 AI에게 전적으로 맡기는 것입니다. 명령 실행 결과가 성공해도 실제 사용자 흐름이 정상이라는 의미는 아닙니다.</p>



<p>결제, 인증, 권한, 데이터 삭제처럼 위험도가 높은 기능은 사람이 직접 시나리오를 확인해야 합니다. AI 코딩 도구는 검증을 줄이는 수단이 아니라 검증을 더 자주 실행하게 만드는 수단에 가깝습니다.</p>



<hr>



<h2>📈 워크플로우 적용 후 달라진 개발 방식</h2>



<p>가장 크게 달라진 부분은 타이핑 속도가 아니었습니다. 문제를 찾고 수정 방향을 결정하는 시간이 줄었습니다.</p>



<p>간단한 CRUD 작업이나 반복적인 타입 수정은 이전보다 2~3배 빠르게 끝나는 경우가 있었습니다. 반면 복잡한 비즈니스 로직은 속도보다 누락 방지 효과가 더 컸습니다.</p>



<p>모든 업무에서 정확히 3배 빨라지는 것은 아닙니다. 요구사항이 불명확하거나 외부 시스템과 연동되는 작업은 사람이 확인해야 할 부분이 여전히 많습니다.</p>



<p>그래도 탐색, 계획, 구현, 검증을 분리하면 작업 결과를 예측하기 쉬워집니다. 문제가 생겨도 어느 단계에서 잘못됐는지 빠르게 찾을 수 있습니다.</p>



<p>개인적으로 Cursor와 Claude Code는 코드를 대신 작성하는 도구보다 생각을 구조화하는 개발 파트너에 가깝다고 느꼈습니다. 초보자에게는 코드 구조를 이해하는 보조 도구가 되고, 숙련자에게는 반복 작업을 줄이는 자동화 수단이 됩니다.</p>



<p>특히 기존 코드베이스를 자주 다루고 비슷한 수정 작업이 반복되는 개발자에게 잘 맞습니다. 반대로 코드 검토 없이 결과만 복사하려는 방식이라면 장기적인 생산성 향상은 제한적일 수 있습니다.</p>



<p>처음부터 거대한 자동화 시스템을 만들 필요는 없습니다. 다음 작업에서 “수정하지 말고 먼저 조사해줘”라는 요청부터 시작해도 충분합니다.</p>



<p>여러분은 Cursor와 Claude Code를 어떤 역할로 나누어 활용하고 계신가요? 직접 사용하면서 가장 효과가 컸던 AI 코딩 워크플로우도 궁금합니다.</p>



<hr>



<h2>❓ Q&amp;A</h2>



<h3>Q. Cursor와 Claude Code는 초보자도 사용할 수 있나요?</h3>



<p>A. 사용할 수 있습니다. 다만 생성된 코드를 그대로 적용하기보다 변경 이유를 설명하게 하고, 작은 기능부터 테스트하는 방식이 좋습니다.</p>



<h3>Q. Cursor와 Claude Code의 가장 큰 차이점은 무엇인가요?</h3>



<p>A. Cursor는 편집기 중심의 코드 작성과 수정에 편리하고, Claude Code는 터미널 기반의 저장소 탐색과 여러 파일 작업에 활용하기 좋습니다. 실제 선택은 개발 환경과 선호하는 작업 방식에 따라 달라집니다.</p>



<h3>Q. 두 AI 코딩 도구를 함께 사용하면 더 빠른가요?</h3>



<p>A. 역할을 명확히 나누면 도움이 됩니다. 구조 분석과 계획은 한 도구에 맡기고, 세부 편집은 다른 도구로 진행하되 같은 파일을 동시에 수정하지 않는 것이 좋습니다.</p>



<h3>Q. AI 코딩으로 정말 개발 속도를 3배 높일 수 있나요?</h3>



<p>A. 반복 작업이나 구조가 명확한 기능에서는 체감할 수 있습니다. 복잡한 설계와 외부 연동 작업은 검토 시간이 필요하므로 모든 업무가 동일하게 3배 빨라지는 것은 아닙니다.</p>



<h3>Q. Cursor나 Claude Code 사용 시 가장 중요한 프롬프트는 무엇인가요?</h3>



<p>A. “코드를 수정하지 말고 관련 파일과 실행 흐름부터 조사해달라”는 요청이 유용합니다. 충분한 맥락을 확보한 뒤 계획과 구현을 분리하면 재작업을 줄일 수 있습니다.</p>



<h3>Q. AI가 만든 코드는 어떤 순서로 검증해야 하나요?</h3>



<p>A. 먼저 코드 차이를 읽고 타입 검사, 린트, 테스트, 빌드를 실행합니다. 이후 실제 화면이나 API를 사용해 핵심 사용자 흐름을 직접 확인하는 것이 좋습니다.</p>



<h3>Q. 프로젝트 규칙 파일에는 무엇을 작성해야 하나요?</h3>



<p>A. 실행 명령, 코드 구조, 공통 컴포넌트 사용 기준, 금지 사항, 필수 테스트를 작성하면 됩니다. 추상적인 설명보다 AI가 바로 실행할 수 있는 구체적인 규칙이 효과적입니다.</p>



<hr>



<p>#Cursor #ClaudeCode #AI코딩 #코딩워크플로우 #개발생산성 #Cursor사용법 #ClaudeCode사용법 #프롬프트엔지니어링 #개발자도구</p>
        
        
                            
                        
	<nav aria-label="글">
		<h2>글 탐색</h2>
		
	</nav>                                          </article></div>

이 글은 약  6 분 정도면 읽을 수 있습니다.Cursor나 Claude Code를 설치했는데도 개발 속도가 크게 달라지지 않는 경우가 많습니다. 간단한 코드 생성에는 편리하지만, 수정할수록 오류가 늘어나거나 기존 기능이 망가지는 문제도 자주 발생합니다. 원인은 AI 코딩 도구의 성능보다 작업 방식에 있는 경우가 많습니다. 모호한 요청을 한 번에 전달하고, 생성된 코드를 검증하지 않은 채 다음 작업으로 넘어가면 오히려 수정 시간이 길어집니다. 저도 처음에는 “이 기능을 […]
게시물 Cursor·Claude Code 코딩 속도 3배 높이는 실전 워크플로우｜AI 코딩 도구를 제대로 쓰는 방법이 JinBlog에 처음 등장했습니다.

Cursor·Claude Code 코딩 속도 3배 높이는 실전 워크플로우｜AI 코딩 도구를 제대로 쓰는 방법

댓글