Alex Self가 AI(특히 Claude)를 활용한 개발 과정에서 신뢰 부족 을 극복하기 위해 만든 ‘자동화된 의심(Automated Doubt)’ 프로세스를 소개합니다. 핵심은 다중 에이전트(multi-agent) 를 통해 설계·구현 단계에서 철저한 검증과 비판을 앞당기는 것입니다.
원문: My Automated Doubt Development Process
주요 철학
- 초기 AI 사용 시 “너무 많이, 너무 빨리” 맡기다 신뢰를 잃음.
- 해결책: 의심(doubt)을 자동화 하고, 여러 관점(parallax)에서 반복 검증.
- 하나의 LLM이 아닌, 특화된 서브에이전트 들을 활용해 설계 누락, 가정, 보안, 완전성 등을 철저히 파헤침.
개발 프로세스 3단계
1. Phase 1 — Design (설계 단계)
아이디어 → Claude에게 Spec(PRD) 작성 요청으로 시작합니다.
Pre-Implementation Workflow 실행:
| 에이전트 | 역할 |
|---|---|
| Pre-Implementation Architect | 전체 설계 구조 검토 |
| Documentation Validator | 문서 완전성 및 일관성 검증 |
| Assumption Excavator | 숨은 가정과 암묵적 전제 발굴 |
| Gap Analyzer | 설계 누락 영역 식별 |
| Implied Completeness Detector | 암시적 완결성의 허점 탐지 |
| Ambiguity Mapper | 모호한 지점 매핑 |
- 발견된 문제(10~25개 정도)를 Spec에 반영 → 최종 검토 후 Checklist 생성.
2. Phase 2 — Development (개발 단계)
- Spec + Checklist 기반으로 단일 Claude 인스턴스가 구현 (서브에이전트는 쓰기 작업에는 거의 사용 안 함 — 신뢰 문제 때문).
- 구현 완료 후 Post-Implementation Workflow 반복 실행:
| 에이전트 | 역할 |
|---|---|
| Code Validator | 요구사항 대비 구현 검증 |
| Type Safety Validator | 타입 안전성 점검 |
| Test Architect | 테스트 커버리지 및 전략 검토 |
| Code Optimizer | 성능·구조 최적화 포인트 |
| Public Interface Validator | 공개 API 계약 검증 |
| Security Analyst | 보안 취약점 분석 |
- 15~35개 findings(치명적 문제 다수) → 수정 → 재실행 반복.
3. Phase 3 — Wrap-up and Ship (마무리 & 배포)
Ship Workflow 실행: 기존 검증 에이전트 + 배포 특화 에이전트:
| 에이전트 | 역할 |
|---|---|
| Anxiety Reader | 개발자의 직감적 불안 요소 포착 |
| API Contract Validator | API 계약 최종 검증 |
| Release Readiness Validator | 배포 준비도 종합 판단 |
- 최종적으로 “배포 준비됐는가?” 판단. 2회 이상 반복 가능.
특징 및 고려사항
- Scope에 따라 유연하게 적용 : Small / Medium / Large로 나누어 과도한 오버헤드 방지.
- 토큰 비용이 상당히 들 수 있음 — 과도한 프로젝트에는 overkill.
- Assumption Excavator 는 거의 모든 아티팩트(코드, 스펙, 문서)에 추천할 만한 강력한 에이전트.
- 저자는 에이전트·파이프라인을 GitHub에 공개함.
결론 및 시사점
- 자동화된 의심 프로세스는 AI와 인간(Operator) 간의 품질 협상 이며, 주관적·객관적 기준이 수렴할 때까지 반복한다.
- 쓰기 작업은 단일 Claude 인스턴스에 맡기고, 검증만 다중 에이전트로 수행하는 분업 구조가 신뢰 확보의 핵심이다.
- 설계 단계에서 Assumption Excavator처럼 숨은 가정을 발굴하는 에이전트가 특히 강력하며, 모든 개발 단계에 적용 가능하다.
- 결국 “언제 멈출 것인가"는 개발자의 판단과 경험에 달려 있으며, 이 프로세스는 그 판단을 더 빠르고 정확하게 만드는 도구다.
한 줄 결론: AI 개발의 신뢰는 단일 LLM의 출력을 그대로 믿는 것이 아니라, 여러 전문화된 에이전트가 교차 검증하며 의심을 자동화할 때 회복된다.