<div id="readability-page-1" class="page"><div id="SE-75184885-f932-49ff-af58-3f1a22e5d16a">
 국산 바이브 코딩툴 오픈소스 프로젝트 캐럿 2025년 7월 15일 있었던 제 1회 밋업에 대한 기록물과 발제 자료를 유투브와 깃허브에 공유합니다. 많은 분들이 함께 해주시기로 해서 든든합니다.​​
 </div><div id="SE-f7b150a1-084e-4a7e-b192-7e0583ed7a1d">
 <ul><li>위기감:<ul><li>기존 소프트웨어 개발 방법론이 AI로 인해 완전히 뒤바뀔 것이라는 위기감을 느낌.</li><li>실무 개발에서 AI 코딩 도구를 사용하며 겪는 현실적인 문제들 (예: AI의 잘못된 결과물, 책임 소재의 부재)을 해결할 필요성을 느낌.</li><li>AI 코딩 도구를 '아무도 길들이지 못하는 야생마'에 비유하며, 이를 길들이는 방법에 대한 논의가 필요하다고 생각.</li></ul></li><li>기회:<ul><li>윈도우, 모바일 시대의 전환기처럼, AI 시대 역시 기존 개발자들이 더 큰 기회를 잡을 수 있다고 판단.</li><li>개발자가 사라지는 것이 아니라, 오히려 더 많은 것을 할 수 있는 시대가 열렸다고 생각.</li><li>꿈꿔왔던 진정한 AI를 만들어 볼 수 있는 시대가 왔다고 느낌.</li></ul></li></ul>​2.5. AI 코딩의 현실과 문제점<ul><li>AI의 거짓말:<ul><li>계산기 개발 테스트 사례: TDD(테스트 주도 개발)를 지시했으나, 실제로는 클릭을 수행하지 않고도 테스트가 성공했다고 보고.</li><li>원인 분석: AI는 "action has been executed"라는 메시지를 성공으로 오인했으며, 시각적 결과 확인 능력이 부족했음.</li><li>AI의 제안: 단순 성공 메시지가 아닌, 구체적인 시각적 증거 확인 절차를 시스템에 추가해달라고 요청.</li></ul></li><li>코드 이해의 한계:<ul><li>AI는 코드를 따라 하는 것(coding)이지, 이해하는 것(understanding)이 아님. 코드의 구조적, 의미적 이해가 부족.</li><li>SemCode 논문 (2023): 코드의 의미(Semantics)를 이해하는 AI 모델 연구. 작은 모델(6B)로도 GPT-3.5-turbo 수준의 성능을 달성.</li></ul></li><li>결론: 코드 자체뿐만 아니라, 코드가 만들어지는 '과정'의 데이터(디버깅, 문서, 장애 해결 방법 등)를 학습하는 것이 중요.</li></ul>​2.6. Caret의 아키텍처 전략<ul><li>기반: 오픈소스 프로젝트 'Cline'을 기반으로 함.<ul><li>초기 전략: Cline을 포크하여 직접 수정.<ul><li>문제점: Cline의 업데이트를 따라가기 어렵고, 불필요한 작업이 발생.</li></ul></li><li>현재 전략: 오버레이(Overlay) 아키텍처<ul><li>Cline 원본 코드는 최대한 건드리지 않고, 그 위에 Caret의 기능을 얹는 방식.</li><li>수정이 불가피할 경우, 원본 파일을 백업(.cline)하고 수정 부분에 주석(// CARET MODIFICATION)을 추가하여 변경 사항을 명확히 함.</li><li>이를 통해 향후 Cline과의 자동 머지(merge)를 용이하게 설계.</li></ul></li></ul></li><li>개선점:<ul><li>다국어 지원(i18n): 하드코딩된 텍스트를 다국어 시스템으로 전환. 현재 4개 국어(한, 영, 일, 중) 지원.</li><li>시스템 프롬프트 개선: 하드코딩된 프롬프트를 JSON 기반의 동적 구조로 변경.</li><li>효과: 프롬프트 토큰 50% 절감, 성능 향상 및 비용 감소.</li><li>모드 전환: 기존 Cline의 'Plan/Act' 모드와 함께, Cursor와 유사한 'Agent/Chatbot' 모드를 도입하여 유연성 확보.</li></ul></li></ul>​2.7. Caret의 핵심 기능 및 차별점<ul><li>Caret Rules (.caretrules):<ul><li>프로젝트별 시스템 프롬프트를 JSON 형식으로 관리.</li><li>자연어 대비 토큰 수를 줄이고, 명확한 계층 구조로 AI의 이해도를 높임.</li><li>사용자의 가독성을 위해 마크다운 파일과 쌍으로 관리하며, AI가 규칙 수정 시 두 파일을 함께 수정하도록 설계.</li></ul></li><li>비용 투명성 및 제어:<ul><li>Cline의 기능을 계승하여 채팅 건별 비용을 실시간으로 표시.</li><li>이를 통해 사용자는 비용을 예측하고 제어할 수 있음.</li><li>향후 일정 토큰 비용 초과 시 세션을 자동 전환하는 등의 기능 추가 예정.</li></ul></li><li>내장 브라우저 및 롤백 기능:<ul><li>내장 브라우저를 활용한 개발이 가능하나, 아직 AI의 제어 능력이 부족하여 개선 필요.</li><li>체크포인트 기반의 롤백 기능이 있으나, 불안정하게 동작하는 경우가 있어 원인 파악 및 개선 필요.</li></ul></li></ul>​2.8. 비즈니스 모델 및 로드맵<ul><li>회사 설립: '캐러티브(Caretive)' 법인 설립 및 초기 엔젤 투자 유치.</li><li>수익 모델: B2C: 개인 사용자를 위한 구독 모델.<ul><li>무료: 25 크레딧 제공</li><li>유료: $10 (300 크레딧), Pay as go</li><li>B2B (주력): 기업용 라이선스 판매 및 컨설팅.</li><li>기업의 니즈에 맞춰 커스터마이징 및 기술 지원.</li><li>오픈소스 커뮤니티와 협력하여 프로젝트 수행.</li></ul></li><li>로드맵:<ul><li>2025년 5월: 법인 설립</li><li>2025년 7월 2일: 마켓플레이스 오픈</li><li>2025년 하반기: 기술 안정화 및 사용자 확산, 매출 3억 목표.</li><li>2026년: 서비스 고도화.</li></ul></li></ul>​2.9. 향후 과제 및 연구 개발 분야<ul><li>시급한 과제:<ul><li>로그인 및 구독 시스템 개발</li><li>기업용 멤버 관리 기능 구현</li><li>교육 프로그램 개발 및 마케팅</li></ul></li><li>R&amp;D 분야:<ul><li>LLM 라우터, 벡터 DB 연동 등 AI 핵심 기능 강화</li><li>비용 예측 및 최적화</li><li>시맨틱 기반의 AI 모델 훈련</li><li>AST(추상 구문 트리) 기반의 코드 청킹 및 분석</li></ul></li></ul>​3. 질의응답 및 토론<ul><li>프론트엔드 구현: 현재 Caret의 웹뷰가 프론트엔드에 해당.<ul><li>이미지(설계)를 잘 그려서 AI에게 전달하면 좋은 결과물을 얻을 수 있음. PPT 문서를 여러 장 만들어 전달하는 방식도 유효.</li><li>피그마(Figma) 연동은 직접적으로는 불가능하지만, 피그마의 결과물을 이미지로 변환하여 전달하면 AI가 이를 기반으로 사이트를 제작할 수 있음.</li></ul></li><li>모델별 답변 품질 차이:<ul><li>모델마다 성능과 특성이 달라 결과물의 편차가 발생.</li><li>이를 해결하기 위해 'AI 게이트웨이' 개념이 등장. 사용자 요청을 각 모델에 최적화된 프롬프트로 변환하여 전달하는 방식.</li><li>Caret은 아직 게이트웨이가 없지만, 향후 프레임워크 형태로 발전시켜 다양한 모델을 쉽게 교체할 수 있도록 하는 방향을 고려 중.</li></ul></li><li>Caret Rules 커스터마이징:<ul><li>.caretrules 파일을 직접 수정하여 프로젝트별, 사용자별 규칙을 적용할 수 있음.</li><li>전역 규칙과 작업 공간(프로젝트) 규칙으로 나뉘어 관리됨.</li></ul></li><li>오픈소스 커뮤니티 운영:<ul><li>국내에서 성공적인 오픈소스 커뮤니티 사례가 드물어, 운영 방식에 대한 고민이 많음.</li><li>기여자(Contributor)와 보드 멤버(Board Member) 등으로 등급을 나누고, 기여에 따른 보상(크레딧, 장비 대여 등)을 제공할 계획.</li><li>기술 중심의 실질적인 엔지니어 모임을 지향.</li></ul></li></ul>​4. 마무리 및 이후 공지<ul><li>참석자 네트워킹: 참석자들의 이름과 소속 파악을 위해 다음 모임에서는 명찰 준비 예정.<ul><li>참석자들은 LinkedIn 및 GitHub 링크 공유 요청.</li></ul></li><li>기여자 제안:<ul><li>밋업 참석자 전원에게 '기여자' 자격 제안.</li><li>기여자 혜택: 장비 대여, 업무 장소 제공, 개발용 크레딧 및 API 제공, GitHub 기여자 리스트 등재.</li><li>논의된 내용과 각자 기여 희망내용을 바탕으로 기여자 미션 제안 예정.</li><li>​</li></ul></li></ul>
 </div></div>

숲속얘기의 조용한 카페

국산 바이브 코딩툴 오픈소스 프로젝트 캐럿 2025년 7월 15일 있었던 제 1회 밋업에 대한 기록물과 발제 자료를 유투브와 깃허브에 공유합니다. 많은 분들이 함께 해주시기로 해서 든든합니다. 제 1회 Caret 밋업 기록 행사일시: 2025년 07월 15일 19시 행사장소: 서울특별시 강남구 강남대로94길 28 유니언타운 7층 회의실 행사참여 인원: 캐럿티브 김기환 CEO, 양병석 CTO 외 8명의 기여자 1. 시작하며 진행 방식: 발제 → 질의응답 및 토론 질의응답: Teams 채팅으로 질문을 받아 검토 후 일괄 답변 2. 발표 내용 (Luke Yang) 발제 녹화: https://www.youtube.com/watch?v=bnTOm7WHsbE 발제 자료: https://github.com/aicoding-caret/car.......

국산 바이브 코딩툴 오픈소스 프로젝트 캐럿, 1회 밋업 기록

댓글