JKH

Seedling

Plan Mode → Auto 1-shot — 재작업 30% 절감 패턴

80%를 만들고서야 "이게 아닌데"를 깨닫던 AI 코딩 루프를, 코드 0줄 상태에서 방향을 합의하고 Auto로 한 번에 구현하는 워크플로우로 바꾼 기록.

  • #claude-code
  • #workflow
  • #productivity

문제 — 즉시 시작이 재작업을 부른다

AI에게 복잡한 작업을 던지고, 에이전트가 신나게 파일 다섯 개를 고친 뒤에야 나는 디프를 열어본다. 그리고 매번 같은 자리에서 멈칫한다. 50%쯤에서 접근법이 틀린 걸 본다. 80%까지 가서야 내가 원한 게 이게 아니었음을 깨닫는다. 100% 다 만들고 나면 기존 컨벤션과 어긋나 있다.

빠르게 시작한 대가는 고스란히 재작업으로 돌아온다. 처음 작업의 50~150%에 달하는 시간이 한 번 더 들고, 토큰도 같은 비율로 태운다. AI가 빠를수록 잘못된 방향으로도 그만큼 빨리 달려간다는 게 함정이었다.

해법 — Plan Mode 먼저

그래서 순서를 뒤집었다. 작업을 받으면 Shift+Tab으로 Claude Code의 Plan Mode에 먼저 들어간다. 이 모드에선 코드 수정도 파일 생성도 막혀 있고, 읽기처럼 외부 효과 없는 도구만 쓸 수 있다. 에이전트가 할 수 있는 건 오직 계획을 짜는 것뿐이다.

계획에는 어떤 파일을 건드릴지, 각각 무엇을 바꿀지, 기존 컨벤션을 어떻게 확인했는지, 어떤 트레이드오프를 감수하는지, 끝나면 무엇으로 검증할지가 담긴다. 계획이 나오면 내가 정독한다. 방향이 다르면 바로 여기서 고친다. 이 시점까지 작성된 코드는 0줄이다 — 그래서 고치는 데 드는 비용도 0이다.

Auto 전환 → 1-shot

계획이 확정되면 Plan Mode를 빠져나와 Auto로 전환한다. 이제 에이전트는 합의된 계획을 그대로 한 번에 구현한다. 중간에 방향을 다시 묻지 않으니 재작업이 사라지고, 탐색이 없으니 구현이 빠르고, 불필요한 시도가 없으니 토큰도 적게 든다.

체감상 5분 이상 걸리는 작업에서 재작업이 30~50% 줄었다. 계획에 5분을 쓰면 구현에서 그 몇 배를 돌려받는 거래였다.

언제 쓰나

모든 작업에 쓰는 건 아니다. 파일 세 개 이상을 건드리거나, 기존 컨벤션을 먼저 파악해야 하거나, 트레이드오프를 두고 결정이 필요하거나, 내가 의도를 깔끔하게 못 적었을 것 같을 때 — 이럴 때 Plan Mode가 값을 한다.

반대로 파일 하나에 한 줄짜리 명백한 수정이라면 계획을 짜는 비용이 그냥 고치는 비용보다 커서 오히려 느려진다. 임계선은 대략 5분이다.

계획의 구체성

가장 흔한 실패는 계획이 너무 추상적일 때.

❌ "X 모듈 추가하고 테스트 추가, Y 페이지에 연결" ✅ 파일 경로·함수 이름·시그니처 수준:

src/lib/payment.ts
  - export async function chargeCustomer(id: string, amount: number): Promise<Receipt>
src/pages/checkout.tsx
  - useEffect 안에 chargeCustomer 호출 추가
tests/payment.test.ts
  - 정상/실패/네트워크 에러 3 케이스

이 수준이면 Auto 1-shot이 헤매지 않는다.

함정

  • 계획이 너무 추상적: 구현 시 또 헤맴. 파일·함수·시그니처 수준까지.
  • 계획 확정 안 하고 Auto: "대충 이거 같은데" 상태로 Auto 가면 재작업 발생. 사용자 명시 승인 후 Auto.
  • 모든 작업에 Plan Mode: 작은 작업도 매번 Plan → 오히려 느림. 5분 임계.
  • 계획 검토 없이 통과: 사용자가 "OK"만 하고 검토 안 함. Plan Mode 가치 0. 계획을 정독해야 함.

spike와의 순서

미지의 영역이면 Plan Mode 전에 spike가 먼저다. 모르는 걸 계획할 수 없다.

미지의 영역?
  ├─ 예 → spike (버릴 코드로 학습) → Plan Mode (학습 위에 계획) → Auto 1-shot
  └─ 아니오 → Plan Mode → Auto 1-shot

spike 없이 모르는 영역을 Plan Mode로 계획하면, 계획 자체가 틀린 가정 위에 선다. spike가 사실을 주고, Plan Mode가 그 사실로 계획을 짜고, Auto가 1-shot 구현한다.

핵심

AI에게 속도를 맡기되, 방향은 코드 0줄일 때 사람이 잡는다. 다시 쓰지 않는 게 가장 빠른 길이다.

관련

/notes/dispatch-routing-pattern — 의도 라우팅이 계획의 입구 /notes/codex-competition — 계획 자체를 두 모델로 cross-check /notes/spike-throwaway-code — 미지의 영역은 계획 전 spike로 학습

관련 노트